Laws of Large Numbers for Dependent Non-Identically Distributed Random Variables
相依非同分布随机变量的大数定律AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究弱时间相依，并列出 ARMA、无限阶移动平均及近历元相依过程作为覆盖对象。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
相依非同分布随机变量的大数定律
- 研究问题
- 对具有弱时间相依性且非同分布的随机变量，能否仅凭有限一阶矩建立大数定律，而不规定相依系数的特定衰减速度？
- 方法与思路
- 作者以一致可积的 L¹-mixingale 为对象，建立 L¹ 与弱大数定律，覆盖多种相依序列及三角阵列。
- 材料陈述的贡献
- 摘要称，不要求超过一阶的有限矩，也不要求 mixingale 系数按特定速率衰减；结果覆盖多种混合、鞅差分及 ARMA 过程。
- 阅读关注点
- 应核对一致可积性与 L¹-mixingale 的定义、归一化和阵列条件，以及各类过程满足定理要求的具体论证。
- 阅读边界
- 所给 Crossref 摘要未列出完整条件；无特定衰减速率要求不等于无需相依控制，也不能据此推断收敛速度。
原文摘要
This paper provides L 1 and weak laws of large numbers for uniformly integrable L 1 -mixingales. The L 1 -mixingale condition is a condition of asymptotic weak temporal dependence that is weaker than most conditions considered in the literature. Processes covered by the laws of large numbers include martingale difference, ø(·), ρ(·), and α(·) mixing, autoregressive moving average, infinite-order moving average, near epoch dependent, L 1 -near epoch dependent, and mixingale sequences and triangular arrays. The random variables need not possess more than one finite moment and the L 1 -mixingale numbers need not decay to zero at any particular rate. The proof of the results is remarkably simple and completely self-contained.